内容简介:Stripes表示条纹,意为将Region分为多个条纹区间分别做compact,类似于将Region分为多个Sub-Region。适用场景:按时间分层合并,顾名思义,该合并策略与时间相关,适用于数据写入基于时间产生且无更新删除,数据读取会指定数据读取区间,并且读取新产生的数据的频率较大。
HBase Compaction旨在减少StoreFile的数量,提高读取效率,HBase提供了如下compact策略:
StripeCompactionPolicy
Stripes表示条纹,意为将Region分为多个条纹区间分别做compact,类似于将Region分为多个Sub-Region。
适用场景:
- Region较大:相对于较小的Region而言,对MemStore和Region的管理带来的负担更小。
- 新产生的行键不均匀分布在各Region:如基于时间序列的行键生成方式,新生成的数据行均分布在Region的同一个Sub-Region区间,只有新产生的那一部分行键相关数据会被合并,旧的数据行会很少合并或者根本不合并。
DateTieredCompactionPolicy
按时间分层合并,顾名思义,该合并策略与时间相关,适用于数据写入基于时间产生且无更新删除,数据读取会指定数据读取区间,并且读取新产生的数据的频率较大。
按时间分层合并策略通过感知需要合并的HFile的数据写入相关时间戳,并不会将新老数据合并为一个大的HFile,而是按时间分层结构来组织合并HFile,所以不同时间写入的相邻行键数据可能被放入不同的HFile,这样对基于时间区间的扫描效率是一个很大的提升,但是对基于行键的区间扫描效率会是一个很不友好的策略。
RatioBasedCompactionPolicy
基于比列的合并策略,该策略在0.98版本之前是HBase默认的策略,之后的版本使用了基于比例策略的一个改进版本(ExploringCompactionPolicy),如果是Major合并,那么该策略会将所有的StoreFile文件合并为一个大的文件,如果是Minor合并,使用如下策略选择需要合并的文件:
前提:假设最老的StoreFile文件大小最大,选择待合并的文件按时间排序,最旧的文件排最前。
配置项hbase.hstore.compaction.ratio合并参数,命名为R
配置项hbase.hstore.compaction.min最小待合并文件数,命名为A。
配置项hbase.hstore.compaction.max最大待合并文件数,命名为B。
配置项hbase.hstore.compaction.min.size最小合并文件总大小,命名为C,以R=0.1,A=3,B=5,C=20,待合并的文件为O=[50,40,30,30,20,10,5]为例子
- 计算一个待合并文件总大小的数组fileSizes[i,i+A-1) ,得到X = [150, 120, 90, 65, 35, 15, 5]。
- 从旧到新文件,逐一判断文件大小是否满足 fileSizes[i] > Math.max(C, (X[i + 1] * R)) ,当条件不满足后,i即为待合并的文件开始位置,该步骤是为了过滤掉大的文件,此处得到i=4。
- 最后得到需要合并的文件列表为O.subList(4,O.size-1),得出结果为[20, 10, 5]。
简化后的代码片段如下所示
package com.mt.hbase.chpt07.compact; import java.util.Arrays; import java.util.LinkedList; import java.util.List; /** * @author pengxu * @Date 2018/12/9. */ public class RatioCompactPolicy { public static List<integer> applyCompactionPolicy(List<integer> candidates , boolean mayBeStuck){ int minFileToCompact = 3; int maxFileToCompact = 5; int minCompactSize = 20; double ratio = 0.1; int start = 0; // get store file sizes for incremental compacting selection. final int countOfFiles = candidates.size(); long[] fileSizes = new long[countOfFiles]; long[] sumSize = new long[countOfFiles]; for (int i = countOfFiles - 1; i >= 0; --i) { fileSizes[i] = candidates.get(i); // calculate the sum of fileSizes[i,i+maxFilesToCompact-1) for algo int tooFar = i + maxFileToCompact - 1; sumSize[i] = fileSizes[i] + ((i + 1 < countOfFiles) ? sumSize[i + 1] : 0) - ((tooFar < countOfFiles) ? fileSizes[tooFar] : 0); } while (countOfFiles - start >= minFileToCompact && fileSizes[start] > Math.max(minCompactSize, (sumSize[start + 1] * ratio))) { ++start; } if (start < countOfFiles) { System.out.println("Default compaction algorithm has selected " + (countOfFiles - start) + " files from " + countOfFiles + " candidates"); } else if (mayBeStuck) { // We may be stuck. Compact the latest files if we can. int filesToLeave = candidates.size() - minFileToCompact; if (filesToLeave >= 0) { start = filesToLeave; } } System.out.println("sumSize=" + Arrays.toString(sumSize)); System.out.println("start=" + start); candidates.subList(0, start).clear(); System.out.println("fileToCompact =" + candidates); return candidates; } public static void main(String[] args) { int[] candidateIntArray = new int[] { 50, 40, 30, 30, 20, 10, 5 }; List<integer> candidateList = new LinkedList<integer>(); for(Integer candidate : candidateIntArray){ candidateList.add(candidate); } applyCompactionPolicy(candidateList,true); } }
ExploringCompactionPolicy
该策略继承自RatioBasedCompactionPolicy,其选择待合并的文件列表算法非常简单,即根据上述参数(最小待合并文件数、最大待合并文件数、合并参数、合并文件总大小)组合计算出一个文件数最多,文件总数最小的文件区间组合,这个计算类似用一个滑动窗口去计算窗口内文件数量与大小的比例,文件越小数量越多则为最优解。
FIFOCompactionPolicy
该策略继承自ExploringCompactionPolicy,仅仅选择所有数据均已经过期的StoreFile文件进行合并,所以表的列族需要指定数据的TTL,故该合并策略仅适用于临时存储数据,经过后续处理后会被全部丢弃的场景。
HBase从1.2.X开始到2.0.X,默认的压缩策略都是RatioBasedCompactionPolicy,可以通过如下两种方式修改默认的压缩策略:
- 修改hbase-site.xml配置项hbase.hstore.engine.class,该修改会应用到整个HBase集群。
- 执行表修改语句alter 's_behavior', CONFIGURATION => {'hbase.hstore.engine.class' => 'rg.apache.hadoop.hbase.regionserver.DefaultStoreEngine'},该修改方式只对语句指定的表生效
以上所述就是小编给大家介绍的《HBase Compaction策略》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 负载均衡策略之轮询策略
- 负载均衡策略之两次随机选择策略
- 深度策略梯度算法是真正的策略梯度算法吗?
- 产品策略模型方法论:谈谈我对产品策略模型的6点理解
- 重学 Java 设计模式:实战策略模式「模拟多种营销类型优惠券,折扣金额计算策略场景」
- redis 数据淘汰策略
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
别怕,Excel VBA其实很简单(第2版)
Excel Home / 北京大学出版社 / 2016-7 / 59.00元
对于大部分没有编程基础的职场人士来说,在学习VBA时往往会有很大的畏难情绪。本书正是针对这样的人群,用浅显易懂的语言和生动形象的比喻,并配合大量插画,对Excel中看似复杂的概念和代码,从简单的宏录制、VBA编程环境和基础语法的介绍,到常用对象的操作与控制、执行程序的自动开关—对象的事件、设计自定义的操作界面、调试与优化编写的代码,都进行了形象的介绍。 本书适合那些希望提高工作效率的职场人士......一起来看看 《别怕,Excel VBA其实很简单(第2版)》 这本书的介绍吧!